Введение

Хотим провести кластеризацию футбольных игроков из датасета футбольного симулятора FIFA 22.

Футболисты играют на разных позициях, однако такие обобщения позиций, как атака, полузащита, и защита, весьма неточны и по тем же причинам не указываются в данных. В то же время, такие обобщения весьма полезны для простого описания для игрока.

Наше предположение состоит в том, что на основании рейтингов игроков по различным характеристикам кластеризация поможет достаточно неплохо различать игроков атаки, полузащиты, и защиты.

Описание и чистка

Начнём с библиотек.

#install.packages(c("knitr", "kableExtra", "magick",
#                   "ggplot2", "reshape2", "viridis",
#                   "stringr", "FactoMineR", "factorextra",
#                   "kohonen", "mclust", "dbscan", "easyr"))
library(knitr) 
library(kableExtra) #красивые html таблицы
library(magick)     #работа с картинками

## Linking to ImageMagick 6.9.9.39
## Enabled features: cairo, fontconfig, freetype, lcms, pango, rsvg, webp
## Disabled features: fftw, ghostscript, x11

library(ggplot2)    #графики
library(reshape2)   #работа с датафреймом
library(viridis)    #палитра

## Loading required package: viridisLite

library(stringr)    #работа с текстом
library(FactoMineR) #факторный анализ
library(factoextra) #факторный анализ

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

library(kohonen)    #self-organised maps/SOM 
library(mclust)     #

## Package 'mclust' version 5.4.5
## Type 'citation("mclust")' for citing this R package in publications.

## 
## Attaching package: 'mclust'

## The following object is masked from 'package:kohonen':
## 
##     map

library(dbscan)     #DBscan метод
library(easyr)

Читаем датасет из csv файла и смотрим на размерность.

players_full <- read.csv("players_22.csv") #полный датафрейм
dim(players_full)

## [1] 19239   107

На примере двух известных футболистов покажем, какие переменные у нас имеются. Вот так, например, выглядит строчка для Лионеля Месси:

cbind(1:107,t(players_full[c(1,3),])) %>% kbl() %>% kable_paper("hover", full_width = F, position = "left")

		1	3
sofifa_id	1	158023	20801
player_url	2	https://sofifa.com/player/158023/lionel-messi/220002	https://sofifa.com/player/20801/c-ronaldo-dos-santos-aveiro/220002
short_name	3	L. Messi	Cristiano Ronaldo
long_name	4	Lionel Andrés Messi Cuccittini	Cristiano Ronaldo dos Santos Aveiro
player_positions	5	RW, ST, CF	ST, LW
overall	6	93	91
potential	7	93	91
value_eur	8	78000000	45000000
wage_eur	9	320000	270000
age	10	34	36
dob	11	1987-06-24	1985-02-05
height_cm	12	170	187
weight_kg	13	72	83
club_name	14	Paris Saint-Germain	Manchester United
league_name	15	French Ligue 1	English Premier League
league_level	16	1	1
club_position	17	RW	ST
club_jersey_number	18	30	7
club_loaned_from	19
club_joined	20	2021-08-10	2021-08-27
club_contract_valid_until	21	2023	2023
nationality	22	Argentina	Portugal
nation_position	23	RW	ST
nation_jersey_number	24	10	7
preferred_foot	25	Left	Right
weak_foot	26	4	4
skill_moves	27	4	5
international_reputation	28	5	5
work_rate	29	Medium/Low	High/Low
body_type	30	Unique	Unique
real_face	31	Yes	Yes
release_clause_eur	32	144300000	83300000
player_tags	33	#Dribbler, #Distance Shooter, #FK Specialist, #Acrobat, #Clinical Finisher, #Complete Forward	#Aerial Threat, #Dribbler, #Distance Shooter, #Crosser, #Acrobat, #Clinical Finisher, #Complete Forward
player_traits	34	Finesse Shot, Long Shot Taker (AI), Playmaker (AI), Outside Foot Shot, One Club Player, Chip Shot (AI), Technical Dribbler (AI)	Power Free-Kick, Flair, Long Shot Taker (AI), Speed Dribbler (AI), Outside Foot Shot
pace	35	85	87
shooting	36	92	94
passing	37	91	80
dribbling	38	95	87
defending	39	34	34
physic	40	65	75
attacking_crossing	41	85	87
attacking_finishing	42	95	95
attacking_heading_accuracy	43	70	90
attacking_short_passing	44	91	80
attacking_volleys	45	88	86
skill_dribbling	46	96	88
skill_curve	47	93	81
skill_fk_accuracy	48	94	84
skill_long_passing	49	91	77
skill_ball_control	50	96	88
movement_acceleration	51	91	85
movement_sprint_speed	52	80	88
movement_agility	53	91	86
movement_reactions	54	94	94
movement_balance	55	95	74
power_shot_power	56	86	94
power_jumping	57	68	95
power_stamina	58	72	77
power_strength	59	69	77
power_long_shots	60	94	93
mentality_aggression	61	44	63
mentality_interceptions	62	40	29
mentality_positioning	63	93	95
mentality_vision	64	95	76
mentality_penalties	65	75	88
mentality_composure	66	96	95
defending_marking_awareness	67	20	24
defending_standing_tackle	68	35	32
defending_sliding_tackle	69	24	24
goalkeeping_diving	70	6	7
goalkeeping_handling	71	11	11
goalkeeping_kicking	72	15	15
goalkeeping_positioning	73	14	14
goalkeeping_reflexes	74	8	11
goalkeeping_speed	75	NA	NA
ls	76	89+3	90+1
st	77	89+3	90+1
rs	78	89+3	90+1
lw	79	92	88
lf	80	93	89
cf	81	93	89
rf	82	93	89
rw	83	92	88
lam	84	93	86+3
cam	85	93	86+3
ram	86	93	86+3
lm	87	91+2	86+3
lcm	88	87+3	78+3
cm	89	87+3	78+3
rcm	90	87+3	78+3
rm	91	91+2	86+3
lwb	92	66+3	63+3
ldm	93	64+3	59+3
cdm	94	64+3	59+3
rdm	95	64+3	59+3
rwb	96	66+3	63+3
lb	97	61+3	60+3
lcb	98	50+3	53+3
cb	99	50+3	53+3
rcb	100	50+3	53+3
rb	101	61+3	60+3
gk	102	19+3	20+3
player_face_url	103	https://cdn.sofifa.com/players/158/023/22_120.png	https://cdn.sofifa.com/players/020/801/22_120.png
club_logo_url	104	https://cdn.sofifa.com/teams/73/60.png	https://cdn.sofifa.com/teams/11/60.png
club_flag_url	105	https://cdn.sofifa.com/flags/fr.png	https://cdn.sofifa.com/flags/gb-eng.png
nation_logo_url	106	https://cdn.sofifa.com/teams/1369/60.png	https://cdn.sofifa.com/teams/1354/60.png
nation_flag_url	107	https://cdn.sofifa.com/flags/ar.png	https://cdn.sofifa.com/flags/pt.png

Конечно, в дальнейшем отберём именно те признаки, которые предположительно помогут различать позицию игрока.

Отбор игроков

Так как мы занимаемся кластеризацией, у нас по результатам не будет возможности автоматически проверить результаты работы алгоритмов. Поэтому важно, чтобы результаты были осмысленными хотя бы для тех случаев, которые нам неплохо знакомы. Для этого возьмём две группы игроков, которые помогут убедиться в разумности построенных моделей:

Российские игроки
Лучшие игроки мира (по общему рейтингу FIFA)

Всегда возникает обоснованное опасение, что кластеризация произойдёт с учётом общего уровня игроков (например, для топовых игроков кластеризация получилась хорошо, а для “средних” игроков всё перемешалось), поэтому анализировать результаты на основе лишь топовых игроков не совсем корректно. Российские игроки в целом представлены равномерно по всей таблице, что позволяет оценивать результаты на основе наших знаний.

Россия

Найдём всех и посмотрим на табличку. Эти игроки нам пригодятся для того, чтобы увидеть, куда они попали после кластеризации. Ещё уберём тех игроков, для которых нет информации о зарплате (у них не фиксирован клуб и лига, это понадобится позже).

nashi_parni <- which(players_full$nationality == "Russia" & players_full$value_eur != 0)
url_nashi <- as.character(players_full$player_url[nashi_parni])
#далее то, что нужно для таблицы
cbind(players_full[nashi_parni, c(3,14,15,17,6,7,8,9)], "") %>% kbl() %>% kable_paper("hover", full_width = F, position = "left") %>%
    column_spec(6, color = "black", background = spec_color(players_full[nashi_parni, 6])) %>%
    column_spec(7, color = "black", background = spec_color(players_full[nashi_parni, 7])) %>%
    column_spec(8, color = "black", background = spec_color(players_full[nashi_parni, 8])) %>%
    column_spec(9, color = "black", background = spec_color(players_full[nashi_parni, 9])) %>%
    column_spec(4, color = spec_color(as.integer(players_full[nashi_parni, 15]))) %>%
    column_spec(2, bold = T, link = url_nashi)

	short_name	club_name	league_name	club_position	overall	potential	value_eur	wage_eur
221	Mário Fernandes	PFC CSKA Moscow	Russian Premier League	RB	82	82	26500000	57000
391	I. Akinfeev	PFC CSKA Moscow	Russian Premier League	GK	80	80	2300000	26000
617	A. Golovin	AS Monaco	French Ligue 1	LF	79	83	24500000	53000
759	R. Zobnin	Spartak Moskva	Russian Premier League	RDM	78	80	15000000	51000
766	A. Miranchuk	Atalanta	Italian Serie A	SUB	78	80	17500000	46000
807	A. Lunev	Bayer 04 Leverkusen	German 1. Bundesliga	SUB	78	79	11000000	39000
882	Guilherme	FC Lokomotiv Moscow	Russian Premier League	GK	77	77	1200000	22000
1034	G. Dzhikiya	Spartak Moskva	Russian Premier League	LCB	77	79	11000000	48000
1180	F. Smolov	FC Lokomotiv Moscow	Russian Premier League	RS	76	76	6500000	47000
1181	A. Dzagoev	PFC CSKA Moscow	Russian Premier League	CAM	76	76	6000000	40000
1251	D. Cheryshev	Valencia CF	Spain Primera Division	LM	76	76	7000000	31000
1325	A. Miranchuk	FC Lokomotiv Moscow	Russian Premier League	SUB	76	79	10000000	42000
1561	A. Kokorin	Fiorentina	Italian Serie A	SUB	75	75	5500000	48000
1806	D. Barinov	FC Lokomotiv Moscow	Russian Premier League	RCM	75	82	10500000	33000
1890	A. Sobolev	Spartak Moskva	Russian Premier League	ST	75	80	8500000	45000
2032	G. Schennikov	PFC CSKA Moscow	Russian Premier League	SUB	74	74	3600000	33000
2283	Z. Bakaev	Spartak Moskva	Russian Premier League	SUB	74	78	6000000	41000
2306	R. Zhemaletdinov	FC Lokomotiv Moscow	Russian Premier League	RM	74	78	6000000	33000
2307	A. Maksimenko	Spartak Moskva	Russian Premier League	GK	74	81	7000000	26000
2320	F. Chalov	PFC CSKA Moscow	Russian Premier League	ST	74	80	6500000	34000
2932	I. Oblyakov	PFC CSKA Moscow	Russian Premier League	LB	73	80	6000000	29000
3039	I. Diveev	PFC CSKA Moscow	Russian Premier League	RCB	73	82	6500000	21000
3166	V. Vasin	PFC CSKA Moscow	Russian Premier League	SUB	72	72	1500000	26000
3386	A. Selikhov	Spartak Moskva	Russian Premier League	SUB	72	74	2100000	26000
3509	I. Akhmetov	PFC CSKA Moscow	Russian Premier League	RDM	72	78	3700000	25000
3542	D. Zhivoglyadov	FC Lokomotiv Moscow	Russian Premier League	SUB	72	72	2300000	29000
3544	S. Iljutcenko	Jeonbuk Hyundai Motors	Korean K League 1	ST	72	72	2300000	10000
3694	K. Kuchaev	PFC CSKA Moscow	Russian Premier League	RM	72	79	4700000	25000
3877	F. Kudryashov	Antalyaspor	Turkish Süper Lig	SUB	71	71	700000	11000
3898	K. Rausch	FC Nürnberg	German 2. Bundesliga	SUB	71	71	1400000	8000
4078	I. Kutepov	Spartak Moskva	Russian Premier League	SUB	71	72	1900000	28000
4215	R. Mirzov	Spartak Moskva	Russian Premier League	SUB	71	71	1900000	32000
4521	N. Rasskazov	Spartak Moskva	Russian Premier League	RB	71	76	2600000	24000
4554	S. Magkeev	FC Lokomotiv Moscow	Russian Premier League	RCB	71	80	4000000	22000
4602	A. Rebrov	Spartak Moskva	Russian Premier League	SUB	70	70	180000	13000
4621	K. Nababkin	PFC CSKA Moscow	Russian Premier League	SUB	70	70	525000	20000
4624	A. Eschenko	Spartak Moskva	Russian Premier League	SUB	70	70	350000	18000
4695	E. Prib	Fortuna Düsseldorf	German 2. Bundesliga	LDM	70	70	1300000	14000
4714	A. Zabolotnyi	PFC CSKA Moscow	Russian Premier League	SUB	70	70	1600000	24000
5338	D. Kulikov	FC Lokomotiv Moscow	Russian Premier League	LCM	70	79	3300000	19000
5369	D. Rybchinskiy	FC Lokomotiv Moscow	Russian Premier League	LM	70	78	3600000	21000
5370	N. Umyarov	Spartak Moskva	Russian Premier League	SUB	70	79	3400000	18000
5945	A. Zhirov	SV Sandhausen	German 2. Bundesliga	LCB	69	69	1100000	4000
6282	K. Maradishvili	FC Lokomotiv Moscow	Russian Premier League	RES	69	77	3000000	13000
6283	P. Maslov	Spartak Moskva	Russian Premier League	RES	69	78	3000000	15000
6403	A. Silyanov	FC Lokomotiv Moscow	Russian Premier League	RB	69	78	2900000	13000
6539	E. Bashkirov	Zagłębie Lubin	Polish T-Mobile Ekstraklasa	RDM	68	68	1000000	4000
6812	A. Vasyutin	Djurgårdens IF	Swedish Allsvenskan	SUB	68	73	1400000	3000
6842	N. Haikin	FK Bodø/Glimt	Norwegian Eliteserien	GK	68	73	1400000	2000
7073	I. Zlobin	Futebol Clube de Famalicão	Portuguese Liga ZON SAGRES	SUB	68	76	2300000	3000
7437	M. Mukhin	PFC CSKA Moscow	Russian Premier League	LDM	68	79	2600000	9000
8255	M. Suleymanov	GZT Giresunspor	Turkish Süper Lig	SUB	67	71	1500000	5000
9347	I. Zhigulev	Zagłębie Lubin	Polish T-Mobile Ekstraklasa	SUB	66	71	1200000	3000
9507	N. Tiknizyan	FC Lokomotiv Moscow	Russian Premier League	RES	66	77	1900000	11000
9518	A. Lomovitskiy	Spartak Moskva	Russian Premier League	SUB	66	74	1900000	12000
10292	G. Melkadze	Spartak Moskva	Russian Premier League	SUB	65	70	1100000	11000
10540	I. Shinozuka	Kashiwa Reysol	Japanese J. League Division 1	RES	65	66	850000	3000
10694	M. Ignatov	Spartak Moskva	Russian Premier League	SUB	65	78	1800000	9000
10746	I. Gaponov	Spartak Moskva	Russian Premier League	RES	65	74	1500000	10000
11038	M. Nenakhov	FC Lokomotiv Moscow	Russian Premier League	RES	65	72	1400000	9000
11306	A. Mitryushkin	SG Dynamo Dresden	German 2. Bundesliga	SUB	64	69	675000	3000
11764	L. Klassen	WSG Tirol	Austrian Football Bundesliga	LB	64	71	1100000	2000
11938	V. Karpov	PFC CSKA Moscow	Russian Premier League	RES	64	79	1300000	2000
13233	E. Shlyakov	AFC UTA Arad	Romanian Liga I	LB	63	63	425000	2000
13240	E. Sevikyan	Levante Unión Deportiva	Spain Primera Division	RES	63	77	1100000	3000
14148	N. Iosifov	Villarreal CF	Spain Primera Division	RES	62	75	950000	4000
14366	S. Babkin	FC Lokomotiv Moscow	Russian Premier League	SUB	62	77	925000	3000
14393	V. Yakovlev	PFC CSKA Moscow	Russian Premier League	RES	62	75	950000	5000
15876	A. Savin	FC Lokomotiv Moscow	Russian Premier League	SUB	60	70	475000	3000
16442	Y. Mikhailov	FC Schalke 04	German 2. Bundesliga	SUB	59	76	575000	750
16794	V. Molchan	Stade Malherbe Caen	French Ligue 2	RES	58	67	425000	750
16890	V. Cherny	DSC Arminia Bielefeld	German 1. Bundesliga	SUB	58	76	525000	1000
17476	A. Chernov	Vejle Boldklub	Danish Superliga	SUB	56	66	275000	1000
17597	D. Markitesov	Spartak Moskva	Russian Premier League	RES	56	73	375000	6000
17724	A. Thomas	Seattle Sounders FC	USA Major League Soccer	RES	56	63	250000	850
17966	D. Bokov	PFC CSKA Moscow	Russian Premier League	SUB	55	74	275000	500
18109	D. Khudyakov	FC Lokomotiv Moscow	Russian Premier League	SUB	55	75	300000	500
18434	T. Akmurzin	Spartak Moskva	Russian Premier League	RES	53	63	180000	4000
18487	V. Torop	PFC CSKA Moscow	Russian Premier League	SUB	53	75	275000	500
18683	A. Poplevchenkov	Spartak Moskva	Russian Premier League	RES	52	66	170000	3000
18853	I. Repyakh	Vejle Boldklub	Danish Superliga	RES	52	66	190000	1000

Русских здесь столько: 81.

Мир

Возьмём 50 самых лучших по оценке overall в FIFA футболистов (первые 50 строк).

top_world <- 1:50
url_world <- as.character(players_full$player_url[top_world])
cbind(1:50, players_full[top_world, c(3,14,15,17,6,7,8,9)]) %>% kbl() %>% kable_paper("hover", full_width = F, position = "left") %>%
    column_spec(6, color = "black", background = spec_color(players_full[top_world, 6])) %>%
    column_spec(7, color = "black", background = spec_color(players_full[top_world, 7])) %>%
    column_spec(8, color = "black", background = spec_color(players_full[top_world, 8])) %>%
    column_spec(9, color = "black", background = spec_color(players_full[top_world, 9])) %>%
    column_spec(4, color = spec_color(as.integer(players_full[top_world, 15]))) %>%
    column_spec(2, bold = T, link = url_world)

1:50	short_name	club_name	league_name	club_position	overall	potential	value_eur	wage_eur
1	L. Messi	Paris Saint-Germain	French Ligue 1	RW	93	93	78000000	320000
2	R. Lewandowski	FC Bayern München	German 1. Bundesliga	ST	92	92	119500000	270000
3	Cristiano Ronaldo	Manchester United	English Premier League	ST	91	91	45000000	270000
4	Neymar Jr	Paris Saint-Germain	French Ligue 1	LW	91	91	129000000	270000
5	K. De Bruyne	Manchester City	English Premier League	RCM	91	91	125500000	350000
6	J. Oblak	Atlético de Madrid	Spain Primera Division	GK	91	93	112000000	130000
7	K. Mbappé	Paris Saint-Germain	French Ligue 1	ST	91	95	194000000	230000
8	M. Neuer	FC Bayern München	German 1. Bundesliga	GK	90	90	13500000	86000
9	M. ter Stegen	FC Barcelona	Spain Primera Division	GK	90	92	99000000	250000
10	H. Kane	Tottenham Hotspur	English Premier League	ST	90	90	129500000	240000
11	N. Kanté	Chelsea	English Premier League	RCM	90	90	100000000	230000
12	K. Benzema	Real Madrid CF	Spain Primera Division	CF	89	89	66000000	350000
13	T. Courtois	Real Madrid CF	Spain Primera Division	GK	89	91	85500000	250000
14	H. Son	Tottenham Hotspur	English Premier League	LW	89	89	104000000	220000
15	Casemiro	Real Madrid CF	Spain Primera Division	CDM	89	89	88000000	310000
16	V. van Dijk	Liverpool	English Premier League	LCB	89	89	86000000	230000
17	S. Mané	Liverpool	English Premier League	LW	89	89	101000000	270000
18	M. Salah	Liverpool	English Premier League	RW	89	89	101000000	270000
19	Ederson	Manchester City	English Premier League	GK	89	91	94000000	200000
20	J. Kimmich	FC Bayern München	German 1. Bundesliga	RDM	89	90	108000000	160000
21	Alisson	Liverpool	English Premier League	GK	89	90	82000000	190000
22	G. Donnarumma	Paris Saint-Germain	French Ligue 1	GK	89	93	119500000	110000
23	Sergio Ramos	Paris Saint-Germain	French Ligue 1	LCB	88	88	24000000	115000
24	L. Suárez	Atlético de Madrid	Spain Primera Division	RS	88	88	44500000	135000
25	T. Kroos	Real Madrid CF	Spain Primera Division	LCM	88	88	75000000	310000
26	R. Lukaku	Chelsea	English Premier League	ST	88	88	93500000	260000
27	K. Navas	Paris Saint-Germain	French Ligue 1	SUB	88	88	15500000	130000
28	R. Sterling	Manchester City	English Premier League	SUB	88	89	107500000	290000
29	Bruno Fernandes	Manchester United	English Premier League	CAM	88	89	107500000	250000
30	E. Haaland	Borussia Dortmund	German 1. Bundesliga	RS	88	93	137500000	110000
31	S. Agüero	FC Barcelona	Spain Primera Division	ST	87	87	51000000	260000
32	H. Lloris	Tottenham Hotspur	English Premier League	GK	87	87	13500000	125000
33	L. Modrić	Real Madrid CF	Spain Primera Division	RCM	87	87	32000000	190000
34	A. Di María	Paris Saint-Germain	French Ligue 1	SUB	87	87	49500000	160000
35	W. Szczęsny	Juventus	Italian Serie A	GK	87	87	42000000	105000
36	T. Müller	FC Bayern München	German 1. Bundesliga	CAM	87	87	66000000	140000
37	C. Immobile	Lazio	Italian Serie A	ST	87	87	67500000	125000
38	P. Pogba	Manchester United	English Premier League	RDM	87	87	79500000	220000
39	M. Verratti	Paris Saint-Germain	French Ligue 1	LCM	87	87	79500000	155000
40	Marquinhos	Paris Saint-Germain	French Ligue 1	RCB	87	90	90500000	135000
41	L. Goretzka	FC Bayern München	German 1. Bundesliga	LDM	87	88	93000000	140000
42	P. Dybala	Juventus	Italian Serie A	CAM	87	88	93000000	160000
43	A. Robertson	Liverpool	English Premier League	LB	87	88	83500000	175000
44	F. de Jong	FC Barcelona	Spain Primera Division	RCM	87	92	119500000	210000
45	T. Alexander-Arnold	Liverpool	English Premier League	RB	87	92	114000000	150000
46	J. Sancho	Manchester United	English Premier League	LM	87	91	116500000	150000
47	Rúben Dias	Manchester City	English Premier League	RCB	87	91	102500000	170000
48	G. Chiellini	Juventus	Italian Serie A	SUB	86	86	12000000	88000
49	S. Handanovič	Inter	Italian Serie A	GK	86	86	7500000	78000
50	M. Hummels	Borussia Dortmund	German 1. Bundesliga	LCB	86	86	44000000	95000

Кластеризация: первичные соображения

Позиций в футболе достаточно много, особенно если рассматривать в классификации, которая дана здесь и в таблице.

unique(players_full$club_position)

##  [1] RW  ST  LW  RCM GK  CF  CDM LCB RDM RS  LCM SUB CAM RCB LDM LB  RB  LM  RM 
## [20] LS  CB  RES     RWB RF  CM  LWB LAM LF  RAM
## 30 Levels:  CAM CB CDM CF CM GK LAM LB LCB LCM LDM LF LM LS LW LWB RAM ... SUB

R и L — right и left, F и B — forward и back, C — center, S - striker

Если не учитывать голкиперов, то обычно мы говорим о защите, полузащите и нападении. В данном датасете присутствуют характеристики, которые потенциально могут помочь в определении предположительной позиции.

Давайте посмотрим, о каких характеристиках идёт речь:

skills_vars <- c(35:40,41:74)
names(players_full[,skills_vars])

##  [1] "pace"                        "shooting"                   
##  [3] "passing"                     "dribbling"                  
##  [5] "defending"                   "physic"                     
##  [7] "attacking_crossing"          "attacking_finishing"        
##  [9] "attacking_heading_accuracy"  "attacking_short_passing"    
## [11] "attacking_volleys"           "skill_dribbling"            
## [13] "skill_curve"                 "skill_fk_accuracy"          
## [15] "skill_long_passing"          "skill_ball_control"         
## [17] "movement_acceleration"       "movement_sprint_speed"      
## [19] "movement_agility"            "movement_reactions"         
## [21] "movement_balance"            "power_shot_power"           
## [23] "power_jumping"               "power_stamina"              
## [25] "power_strength"              "power_long_shots"           
## [27] "mentality_aggression"        "mentality_interceptions"    
## [29] "mentality_positioning"       "mentality_vision"           
## [31] "mentality_penalties"         "mentality_composure"        
## [33] "defending_marking_awareness" "defending_standing_tackle"  
## [35] "defending_sliding_tackle"    "goalkeeping_diving"         
## [37] "goalkeeping_handling"        "goalkeeping_kicking"        
## [39] "goalkeeping_positioning"     "goalkeeping_reflexes"

Кажется, что эти характеристики должны хорошо различать атакующих игроков от игроков защиты и полузащиты. Полузащиту в данном случае можно воспринимать как универсальных игроков. Здесь нет намёка на правый/левый фланг и правша/левша, поэтому надеемся, что этот фактор не будет влиять на формирование кластеров.

Для того, чтобы кластеризация не пошла по возрасту/потенциалу/общему уровню игры/стоимости, эти признаки мы тоже не включаем.

Так как некоторые характеристик для голкиперов отсутствуют, да и явно есть отличие между вратарями и полевыми игроками, мы изымем их из рассмотрения. Характеристики, которые начинаются с “goalkeeping” мы оставим, они могут помочь различать защитников, которые по долгу службы должны участвовать в защите ворот.

goalkeepers <- str_detect(players_full$player_positions, "GK")
sum(goalkeepers)

## [1] 2132

Не так их и много.

Ещё одна проблема заключается в том, что выборка большая и может включать в себя потенциальные неоднородности, которые хотелось бы избежать. Например, в низших лигах границы между игроками могут быть размыты сильнее. Посмотрим, сколько игроков останется, если оставим только игроков команд высших лиг.

top_leagues <- (players_full$league_level == 1)
sum(top_leagues, na.rm = TRUE)

## [1] 14857

Также, по этим признакам у нас не должно быть NA, уберём их позже, их немного.

Таким образом, остаётся столько футболистов:

sum(top_leagues & !goalkeepers, na.rm = TRUE)

## [1] 13193

Первичный анализ

Признаков много, поэтому проведём минимальный анализ. Сделаем два датафрейма, один с интересующими нас признаками, другой — с общей информацией об игроке, чтобы потом удобно было анализировать результат. NA уберём, как обещали.

players <- players_full[top_leagues & !goalkeepers, skills_vars]
players <- na.omit(players)
dim(players)

## [1] 13193    40

players_info <- players_full[top_leagues & !goalkeepers, c(3,6,7,8,9,14,17,15,22,2)]
players_info <- na.omit(players_info)
dim(players_info)

## [1] 13193    10

num_players <- nrow(players)

Summary по признакам

summary(players)

##       pace          shooting       passing        dribbling       defending    
##  Min.   :28.00   Min.   :18.0   Min.   :25.00   Min.   :26.00   Min.   :15.00  
##  1st Qu.:62.00   1st Qu.:42.0   1st Qu.:51.00   1st Qu.:57.00   1st Qu.:38.00  
##  Median :69.00   Median :55.0   Median :58.00   Median :64.00   Median :56.00  
##  Mean   :68.33   Mean   :52.8   Mean   :57.88   Mean   :63.03   Mean   :52.03  
##  3rd Qu.:76.00   3rd Qu.:64.0   3rd Qu.:65.00   3rd Qu.:70.00   3rd Qu.:65.00  
##  Max.   :97.00   Max.   :94.0   Max.   :93.00   Max.   :95.00   Max.   :91.00  
##      physic      attacking_crossing attacking_finishing
##  Min.   :29.00   Min.   :15.00      Min.   :10.00      
##  1st Qu.:59.00   1st Qu.:45.00      1st Qu.:37.00      
##  Median :66.00   Median :56.00      Median :53.00      
##  Mean   :64.89   Mean   :54.56      Mean   :50.65      
##  3rd Qu.:72.00   3rd Qu.:65.00      3rd Qu.:64.00      
##  Max.   :90.00   Max.   :94.00      Max.   :95.00      
##  attacking_heading_accuracy attacking_short_passing attacking_volleys
##  Min.   :17.00              Min.   :23.00           Min.   :10.00    
##  1st Qu.:48.00              1st Qu.:58.00           1st Qu.:35.00    
##  Median :57.00              Median :64.00           Median :47.00    
##  Mean   :56.75              Mean   :63.41           Mean   :46.89    
##  3rd Qu.:65.00              3rd Qu.:70.00           3rd Qu.:58.00    
##  Max.   :93.00              Max.   :94.00           Max.   :90.00    
##  skill_dribbling  skill_curve    skill_fk_accuracy skill_long_passing
##  Min.   :18.0    Min.   :12.00   Min.   :10.00     Min.   :20.00     
##  1st Qu.:55.0    1st Qu.:40.00   1st Qu.:34.00     1st Qu.:50.00     
##  Median :63.0    Median :52.00   Median :44.00     Median :59.00     
##  Mean   :61.4    Mean   :51.93   Mean   :46.27     Mean   :57.09     
##  3rd Qu.:70.0    3rd Qu.:64.00   3rd Qu.:58.00     3rd Qu.:66.00     
##  Max.   :96.0    Max.   :94.00   Max.   :94.00     Max.   :93.00     
##  skill_ball_control movement_acceleration movement_sprint_speed
##  Min.   :24.00      Min.   :27.00         Min.   :27.00        
##  1st Qu.:58.00      1st Qu.:62.00         1st Qu.:63.00        
##  Median :65.00      Median :69.00         Median :69.00        
##  Mean   :63.91      Mean   :68.29         Mean   :68.34        
##  3rd Qu.:70.00      3rd Qu.:76.00         3rd Qu.:76.00        
##  Max.   :96.00      Max.   :97.00         Max.   :97.00        
##  movement_agility movement_reactions movement_balance power_shot_power
##  Min.   :27.00    Min.   :29.00      Min.   :26.00    Min.   :20.00   
##  1st Qu.:59.00    1st Qu.:56.00      1st Qu.:60.00    1st Qu.:51.00   
##  Median :68.00    Median :62.00      Median :68.00    Median :61.00   
##  Mean   :66.68    Mean   :62.36      Mean   :66.94    Mean   :59.65   
##  3rd Qu.:75.00    3rd Qu.:68.00      3rd Qu.:75.00    3rd Qu.:70.00   
##  Max.   :96.00    Max.   :94.00      Max.   :96.00    Max.   :95.00   
##  power_jumping   power_stamina  power_strength  power_long_shots
##  Min.   :29.00   Min.   :24.0   Min.   :19.00   Min.   :11.00   
##  1st Qu.:58.00   1st Qu.:61.0   1st Qu.:58.00   1st Qu.:40.00   
##  Median :66.00   Median :68.0   Median :67.00   Median :54.00   
##  Mean   :65.77   Mean   :67.4   Mean   :65.59   Mean   :51.59   
##  3rd Qu.:74.00   3rd Qu.:75.0   3rd Qu.:74.00   3rd Qu.:64.00   
##  Max.   :95.00   Max.   :97.0   Max.   :96.00   Max.   :94.00   
##  mentality_aggression mentality_interceptions mentality_positioning
##  Min.   :20.00        Min.   :10.00           Min.   :12.00        
##  1st Qu.:50.00        1st Qu.:35.00           1st Qu.:48.00        
##  Median :61.00        Median :56.00           Median :58.00        
##  Mean   :59.65        Mean   :50.92           Mean   :55.88        
##  3rd Qu.:70.00        3rd Qu.:65.00           3rd Qu.:66.00        
##  Max.   :95.00        Max.   :91.00           Max.   :96.00        
##  mentality_vision mentality_penalties mentality_composure
##  Min.   :13.00    Min.   :13.00       Min.   :30.00      
##  1st Qu.:48.00    1st Qu.:42.00       1st Qu.:53.00      
##  Median :58.00    Median :51.00       Median :61.00      
##  Mean   :56.35    Mean   :51.85       Mean   :60.57      
##  3rd Qu.:66.00    3rd Qu.:61.00       3rd Qu.:68.00      
##  Max.   :95.00    Max.   :93.00       Max.   :96.00      
##  defending_marking_awareness defending_standing_tackle defending_sliding_tackle
##  Min.   :10.00               Min.   :10.00             Min.   :10.00           
##  1st Qu.:37.00               1st Qu.:37.00             1st Qu.:34.00           
##  Median :55.00               Median :59.00             Median :56.00           
##  Mean   :51.04               Mean   :52.63             Mean   :50.22           
##  3rd Qu.:65.00               3rd Qu.:67.00             3rd Qu.:65.00           
##  Max.   :93.00               Max.   :93.00             Max.   :92.00           
##  goalkeeping_diving goalkeeping_handling goalkeeping_kicking
##  Min.   : 2.00      Min.   : 2.00        Min.   : 2.00      
##  1st Qu.: 8.00      1st Qu.: 8.00        1st Qu.: 8.00      
##  Median :10.00      Median :10.00        Median :10.00      
##  Mean   :10.34      Mean   :10.37        Mean   :10.38      
##  3rd Qu.:13.00      3rd Qu.:13.00        3rd Qu.:13.00      
##  Max.   :29.00      Max.   :33.00        Max.   :31.00      
##  goalkeeping_positioning goalkeeping_reflexes
##  Min.   : 2.00           Min.   : 2.00       
##  1st Qu.: 8.00           1st Qu.: 8.00       
##  Median :10.00           Median :10.00       
##  Mean   :10.37           Mean   :10.33       
##  3rd Qu.:13.00           3rd Qu.:13.00       
##  Max.   :33.00           Max.   :37.00

Основные переменные

players_m <- melt(players[,1:6])

## No id variables; using all as measure variables

p <- ggplot(data = players_m, aes(y=variable, x=value, fill = variable, alpha = 0.7)) + 
             geom_boxplot() + geom_violin() + scale_fill_manual(values = viridis(6)) + guides(fill = "none")
p

Атака

players_m <- melt(players[,7:11])

## No id variables; using all as measure variables

p <- ggplot(data = players_m, aes(y=variable, x=value, fill = variable, alpha = 0.7)) + 
             geom_boxplot() + geom_violin() + scale_fill_manual(values = viridis(6)) + guides(fill = "none")
p

Опыт

players_m <- melt(players[,12:16])

## No id variables; using all as measure variables

p <- ggplot(data = players_m, aes(y=variable, x=value, fill = variable, alpha = 0.7)) + 
             geom_boxplot() + geom_violin() + scale_fill_manual(values = viridis(6)) + guides(fill = "none")
p

Движение

players_m <- melt(players[,17:21])

## No id variables; using all as measure variables

p <- ggplot(data = players_m, aes(y=variable, x=value, fill = variable, alpha = 0.7)) + 
             geom_boxplot() + geom_violin() + scale_fill_manual(values = viridis(6)) + guides(fill = "none")
p

Энергия

players_m <- melt(players[,22:26])

## No id variables; using all as measure variables

p <- ggplot(data = players_m, aes(y=variable, x=value, fill = variable, alpha = 0.7)) + 
             geom_boxplot() + geom_violin() + scale_fill_manual(values = viridis(6)) + guides(fill = "none")
p

Ментальность

players_m <- melt(players[,27:32])

## No id variables; using all as measure variables

p <- ggplot(data = players_m, aes(y=variable, x=value, fill = variable, alpha = 0.7)) + 
             geom_boxplot() + geom_violin() + scale_fill_manual(values = viridis(6)) + guides(fill = "none")
p

Защита

players_m <- melt(players[,33:35])

## No id variables; using all as measure variables

p <- ggplot(data = players_m, aes(y=variable, x=value, fill = variable, alpha = 0.7)) + 
             geom_boxplot() + geom_violin() + scale_fill_manual(values = viridis(6)) + guides(fill = "none")
p

На воротах

players_m <- melt(players[,36:40])

## No id variables; using all as measure variables

p <- ggplot(data = players_m, aes(y=variable, x=value, fill = variable, alpha = 0.7)) + 
             geom_boxplot() + geom_violin() + scale_fill_manual(values = viridis(6)) + guides(fill = "none")
p

Как можно видеть, многие из приведённых графиков бимодальны, например, defending и attacking, что может быть хорошим знаком того, что кластеризация у нас получится (и может даже в нормальной модели).

Что касается вратарских качеств: их, по всей видимости можно (и нужно) убрать, они вряд ли нам помогут.

players <- players[, -c(36:40)]

Факторный анализ

Попробуем сократить размерность пространства признаков и посмотрим на biplot.

res <- PCA(players, scale.unit = TRUE, graph = FALSE, ncp = 5)
fviz_pca_var(res)

res$var$coord %>% kbl() %>% kable_paper("hover", full_width = F, position = "left") %>%
    column_spec(2, color = "black", background = spec_color(abs(res$var$coord[,1]))) %>%
    column_spec(3, color = "black", background = spec_color(abs(res$var$coord[,2])))

	Dim.1	Dim.2	Dim.3	Dim.4	Dim.5
pace	0.4810878	-0.3397358	0.5532932	0.5354779	-0.1422583
shooting	0.9032270	-0.1764423	-0.3133115	0.0116386	0.0303722
passing	0.8830859	0.3290523	0.1259973	-0.2263101	-0.0535333
dribbling	0.9434600	0.0061936	0.1473443	-0.0021739	-0.0647130
defending	-0.1760841	0.9241698	0.2736376	-0.0832487	0.0197602
physic	0.0825704	0.7710660	-0.3194985	0.4488759	-0.0735207
attacking_crossing	0.7480857	0.1460340	0.3219942	-0.1304374	-0.0563095
attacking_finishing	0.8360515	-0.2990904	-0.3078603	0.0445384	0.0005752
attacking_heading_accuracy	0.0465929	0.5391675	-0.5346967	0.3781368	0.0146001
attacking_short_passing	0.7372529	0.4887905	0.0363803	-0.1623703	-0.1103729
attacking_volleys	0.8232418	-0.1692462	-0.3154515	0.0055064	0.0835911
skill_dribbling	0.9113799	-0.0511853	0.1082247	-0.0205440	-0.1151604
skill_curve	0.8575669	0.0372907	0.0368226	-0.1682614	0.0823571
skill_fk_accuracy	0.7554941	0.0777018	-0.0306113	-0.3012300	0.1714579
skill_long_passing	0.6030437	0.5503079	0.1477062	-0.3023431	-0.0650349
skill_ball_control	0.8845116	0.2018498	-0.0044121	-0.0366795	-0.1223450
movement_acceleration	0.5012476	-0.3582338	0.5724073	0.4479059	-0.0805458
movement_sprint_speed	0.4353543	-0.3036164	0.5036966	0.5753058	-0.1843606
movement_agility	0.6818991	-0.2537280	0.4730854	0.1555667	0.1537129
movement_reactions	0.6279031	0.5477953	-0.1233249	0.1399321	-0.0346021
movement_balance	0.4875317	-0.2721817	0.5589433	-0.0640336	0.4047186
power_shot_power	0.8113908	0.0732114	-0.3252816	0.0177948	0.0340333
power_jumping	-0.0058226	0.3812037	-0.1021994	0.5726762	0.5877798
power_stamina	0.3794141	0.4973206	0.1683711	0.3592733	-0.0099487
power_strength	-0.0756547	0.5876625	-0.5316462	0.4081719	-0.1989595
power_long_shots	0.8775222	-0.0490441	-0.2327196	-0.0729005	0.0679915
mentality_aggression	0.0844900	0.8016122	-0.0636422	0.1727646	0.0786633
mentality_interceptions	-0.1413894	0.8944380	0.2921975	-0.1043739	0.0347451
mentality_positioning	0.8733556	-0.1558940	-0.1148913	0.0450884	-0.0319068
mentality_vision	0.8773886	0.1030932	0.0059282	-0.2053569	-0.0377516
mentality_penalties	0.7205974	-0.1554450	-0.3968978	-0.0281083	0.1289800
mentality_composure	0.7108926	0.4457247	-0.1586994	0.0260597	-0.0219693
defending_marking_awareness	-0.1593800	0.8850908	0.2872190	-0.0947772	0.0177068
defending_standing_tackle	-0.2017246	0.8749932	0.3306879	-0.1258091	0.0090029
defending_sliding_tackle	-0.2371442	0.8520072	0.3548579	-0.1169937	0.0156048

fviz_eig(res, addlabels = TRUE)

Первый фактор, по всей видимости, характеризует атакующую игру, а второй — защиту. Первые две компоненты неплохо описывают дисперсию признаков, поэтому плоскость первых двух компонент весьма полезна для дальнейшей интерпретации.

Построим biplot и найдём некоторых игроков, чтобы интерпретировать полученный результат.

fviz_pca_biplot(res,
                label = "all",
                col.ind = (viridis(3))[1],
                col.var = (viridis(3))[2],
                )

bestest <- c(1,4,3,5,29,15,23,16,61,47,56,115)
cbind(bestest, as.character(players_info$short_name[bestest]), as.character(players_info$club_position[bestest]))  %>% kbl() %>% kable_paper("hover", full_width = F, position = "left")

bestest
1	L. Messi	RW
4	Neymar Jr	LW
3	Cristiano Ronaldo	ST
5	K. De Bruyne	RCM
29	M. Verratti	LCM
15	J. Kimmich	RDM
23	S. Agüero	ST
16	Sergio Ramos	LCB
61	E. Cavani	SUB
47	R. Mahrez	RW
56	Rodri	CDM
115	L. Sané	LM

Нельзя сказать, что получилось однозначно (из-за полузащиты). С Месси (1), Неймаром (4) и Де Брюйне (5, атакующий полузащитник) всё логично, они в атаке.
Махрез (47) сейчас полузащитник-вингер, однако помимо подключений к атакам, от этих полузащитников требуется защита их игровых зон от проходов крайних защитников и опорных соперника. Киммих (15) тоже полузащитник. А вот Агуэро (23), вообще говоря, нападающий. Родри (56) - опорный полузащитник, поэтому немного странно, что он там, где есть (хотя, опять же, мы видим только двумерную картинку). Впрочем, общая логика всё же присутствует.

Кстати, нумерация идёт по общему рейтингу, хорошо видим, что слева внизу индексы большие.

Отчётливо видим, что есть облака точек; можно увидеть два крупных или три поменьше.

Кластеризация

Переходим к применению алгоритмов кластеризации. Рассмотрим несколько известных алгоритмов:

Kohonen’s Self-Organized Maps
Mclust
Иерархическая кластеризация
\(k\) средних
DBscan

SOM

Начнём с самоорганизующихся карт Кохонена, которые широко используются для уменьшения размерности данных.

start_time <- Sys.time()
set.seed(56788)
data_matrix <- as.matrix(scale(players))
# Create the SOM Grid - you generally have to specify the size of the 
# training grid prior to training the SOM. Hexagonal and Circular 
# topologies are possible
som_grid <- somgrid(xdim = 20, ydim=20, topo="hexagonal")
# Finally, train the SOM, options for the number of iterations,
# the learning rates, and the neighbourhood are available
som_model <- som(data_matrix, 
        grid=som_grid, 
        rlen=3000, 
        alpha=c(0.05,0.01), 
        keep.data = TRUE)
end_time <- Sys.time()
end_time - start_time

## Time difference of 9.561088 mins

Выбор параметров

Начинаем с выбора сетки: все игроки расположатся в одной из 20х20 ячеек. Выбор размера базируется на колиичестве индивидов в каждой ячейке: их должно быть не менее 10 (см. дальше, как это увидеть).

rlen отвечает за число итераций. Число итераций выбирается с использованием графика ниже.

plot(som_model, type="changes")

plot(som_model, type="count")

На данной картинке показано, сколько индивидов находится в каждой из ячеек. Если смотреть на это как на карту, это аналог плотности населения. Красный цвет - в данном случае означает мало. Если в одной ячейке много индивидов - значит оказалось, что они похожи друг на друга. При необходимости следует увеличивать размерность сетки, чтобы они стали различимыми. У нас есть одна ячейка с 70 индивидами

Это хорошо, что все игроки распределились по ячейкам более менее равномерно. Может быть нужно увеличить карту, чтобы получилось поменьше индивидов на ячейку, но пока оставим так.

Карты

Переходим к главным объектам - самим картам.

#здесь просто текстовые лейблы делаем
labs_som = rep("", nrow(players))
labs_som[1:100] = abbreviate(players_info$short_name[1:100], 10)
labs_som[players_info$nationality == "Russia"] = as.character(players_info$short_name[players_info$nationality == "Russia"])
# это чтобы легче было раглядеть, можно экспортировать в рабочую папку pdf файл
# pdf()
# plot(som_model, type = "mapping", labels = labs_som, cex = 0.3)
# plot(som_model, type = "mapping", labels = labs_som, cex = 0.5, xlim = c(18,20), ylim = c(13,18))
# plot(som_model, type = "mapping", labels = labs_som, cex = 0.5, xlim = c(18,20), ylim = c(11,16))

Кто где

Для лучшего осознания того, что вообще на этих картах изображено, давайте покажем, в каких ячейках оказались футболисты топ уровня и наши соотечественники (они смешаны).

Здесь неплохо видно, что произошло. Все топовые игроки сместились в левую часть, однако хорошие защитники образовали кластер в правом верхнем углу.

Если продолжать аналогию с картами, то

В левом вернем углу страна продвинутых полузащитников;
Тоже слева, но ближе к центру страна продвинутых нападающих;
Справа вверху страна защитников;
В центре универсальные молодые игроки. Продвинутых здесь несколько, но не международного класса.

С интерпретацией других мест на карте сложнее. Может станет лучше дальше, когда будем раскрашивать карту по признакам.

Видим, что некоторая логика у такой карты есть. На вкладках можно чуть получше рассмотреть имена.

Общий вид

plot(som_model, type = "mapping", labels = labs_som, cex = 0.5)
text(x = 1, y = 16, cex = 2, labels = "midfield", col = "green")
text(x = 1, y = 12, cex = 2, labels = "attack", col = "red")
text(x = 16, y = 14.5, cex = 2, labels = "defence", col = "blue")

Правая часть

plot(som_model, type = "mapping", labels = labs_som, cex = 0.5, xlim = c(16,17), ylim = c(14,18))

Левая часть

plot(som_model, type = "mapping", labels = labs_som, cex = 0.5, xlim = c(0,2), ylim = c(14,18))

plot(som_model, type = "mapping", labels = labs_som, cex = 0.5, xlim = c(0,3), ylim = c(10,13))

Карта с раскрасками

Раскрасим ячейки по признакам, а также разделим карту на части, максимально отдалённые друг от друга, с помощью жирной линии (для этого используется иерархическая кластеризация, см. комментарии).

coolBlueHotRed <- function(n, alpha = 1) {rainbow(n, end=4/6, alpha=alpha)[n:1]}
#k есть число желаемых групп для разделения
som.hc <- cutree(hclust(object.distances(som_model, "codes")), k=2)
#pdf("heatmapkoh")
par(mfrow = c(2,3))
plot(som_model, type = "property", 
     property = getCodes(som_model)[, 1], main = names(players)[1], palette.name = coolBlueHotRed)
add.cluster.boundaries(som_model, som.hc, lwd = 4)
plot(som_model, type = "property", 
     property = getCodes(som_model)[, 2], main = names(players)[2], palette.name = coolBlueHotRed)
add.cluster.boundaries(som_model, som.hc, lwd = 4)
plot(som_model, type = "property", 
     property = getCodes(som_model)[, 3], main = names(players)[3], palette.name = coolBlueHotRed)
add.cluster.boundaries(som_model, som.hc, lwd = 4)
plot(som_model, type = "property", 
     property = getCodes(som_model)[, 4], main = names(players)[4], palette.name = coolBlueHotRed)
add.cluster.boundaries(som_model, som.hc, lwd = 4)
plot(som_model, type = "property", 
     property = getCodes(som_model)[, 5], main = names(players)[5], palette.name = coolBlueHotRed)
add.cluster.boundaries(som_model, som.hc, lwd = 4)
plot(som_model, type = "property", 
     property = getCodes(som_model)[, 6], main = names(players)[6], palette.name = coolBlueHotRed)
add.cluster.boundaries(som_model, som.hc, lwd = 4)

Можно долго смотреть и анализировать, что получилось.

Если посмотреть на раскраску по shooting, то неудивительно, что в левой части расположились практически все атакующие игроки. Поднимаясь слева наверх, видим улучшение по параметру передач, физической форме, темпу, и более высокие показатели по защите, при этом немного ухудшается shooting - чистая качественная полузащита. С защитой тоже всё понятно - лучшие - в правом верхнем углу.

И так далее…

Model-based пример: `mclust`

Так как метод встречался ранее, пройдёмся по нему быстро. Предполагается смесь нескольких нормальных распределений.

Будем использовать известную библиотеку mclust(), которая строит сразу множество вариантов моделей кластеризации.

players_mclust <- Mclust(players, G = 1:4)

Параметр G отвечает за число кластеров. В данном случае будут строиться всевозможные модели от 1 до 4 кластеров.

Здесь посмотрим на тот выбор, который делает функция mclust(). Этот выбор основывается на посчитанных характеристиках качества модели BIC и ICL. Так как нам известно, что значения BIC и ICL есть случайные числа, можно посмотреть какие ещё варианты кластеризации близки по этим значениям.

summary(players_mclust)

## ---------------------------------------------------- 
## Gaussian finite mixture model fitted by EM algorithm 
## ---------------------------------------------------- 
## 
## Mclust VVV (ellipsoidal, varying volume, shape, and orientation) model with 4
## components: 
## 
##  log-likelihood     n   df      BIC      ICL
##        -1276747 13193 2663 -2578758 -2580290
## 
## Clustering table:
##    1    2    3    4 
## 4433 3386 3557 1817

Метод выбрал разбиение на 9 кластеров, но это много для нас (убрал эту часть для скорости).

Наш выбор основан на совокупности факторов:

Значение байесовского информационного критерия модели (BIC) (больше — лучше). Заметим, что значение BIC есть случайная величина, а значит будет весьма осмысленным рассмотреть несколько моделей с похожим BIC и разным числом кластеров и параметров.
Число кластеров и число оцениваемых параметров Заметим здесь, что при сопоставимом значении BIC будем выбирать наиболее простую модель с наименьшим числом оцениваемых параметров, так как чем меньше параметров приходится оценивать, тем меньше будет дисперсия соответствующих оценок при фиксированном размере выборки. Мы хотели бы получить до четырёх кластеров.

Посмотрим на все BIC, построим график.

playersBIC <- mclustBIC(players, G = 1:4)
bic_table <- playersBIC[,]
colnames(bic_table) <- colnames(playersBIC)
rownames(bic_table) <- 1:nrow(bic_table)

bic_table[1:4,] %>% kbl() %>% kable_paper("hover")

EII	VII	EEI	VEI	EVI	VVI	EEE	EVE	VEE	VVE	EEV	VEV	EVV	VVV
-3712817	-3712817	-3676579	-3676579	-3676579	-3676579	-2637060	-2637060	-2637060	-2637060	-2637060	-2637060	-2637060	-2637060
-3576970	-3571687	-3529337	-3528933	-3521822	-3521883	-2635007	-2609310	-2628676	-2609399	-2593260	-2593265	-2591822	-2591824
-3462468	-3459282	-3446585	-3443482	-3430271	-3430030	-2629694	-2604264	-2623955	-2594873	-2585700	-2584229	-2585531	-2581217
-3425646	-3422434	-3396388	-3394445	-3369304	-3367675	-2621635	-2593938	-2616944	-2589624	-2585512	-2584792	-2583824	-2582665

plot(playersBIC, G = 1:4, legendArgs = list(x = "bottomright", ncol = 5))

Выбрали модель VVV, 3 (VVV означает, что эллипсоиды распределений вообще никаким образом не совпадают (разный поворот, разный объём, и тд), это максимальное количество параметров)

players_mclust <- Mclust(players, G = 3, modelNames = c("VVV"))
summary(players_mclust)

## ---------------------------------------------------- 
## Gaussian finite mixture model fitted by EM algorithm 
## ---------------------------------------------------- 
## 
## Mclust VVV (ellipsoidal, varying volume, shape, and orientation) model with 3
## components: 
## 
##  log-likelihood     n   df      BIC      ICL
##        -1281186 13193 1997 -2581319 -2582393
## 
## Clustering table:
##    1    2    3 
## 4166 5299 3728

На основании наших предположений и графика с главными компонентами можем именовать классы. Построим биплот, чтобы оценить результат визуально.

classes_mclust <- as.factor(players_mclust$classification)
table(players_mclust$classification)/num_players

## 
##         1         2         3 
## 0.3157735 0.4016524 0.2825741

levels(classes_mclust) <- c("Attack","Midfielder","Defence")
fviz_pca_biplot(res,
                label = "all",
                col.ind = classes_mclust,
                legend.title = "Players")

Uncertainty

Для model based методов качество кластеров можно оценить с помощью меры uncertainty, которая вычисляется так: из единицы вычитается вероятность наиболее вероятного класса. Uncertainty должна быть малой для наибольшего числа индивидов. Это весьма неплохо показывает, насколько классы пересекаются.

Мера встроена в полученный объект от mclust. Посмотрим на различные квантили:

quantile(players_mclust$uncertainty, probs =c(0.6, 0.7, 0.8, 0.9, 0.95, 0.975, 0.99, 0.995))

##          60%          70%          80%          90%          95%        97.5% 
## 0.0002385194 0.0024448416 0.0175566112 0.1098279718 0.2646207899 0.3779114734 
##          99%        99.5% 
## 0.4545168199 0.4790241120

Видим, что у абсолютного большинства индивидов мера uncertainty мала (у \(95\%\) индивидов мера меньше 0.25, что существенно лучше наихудшего возможного исхода в нашем случае \(G=3\): \(0.666\)), что хорошо оценивает работу метода.

Чтобы можно было сравнивать все методы, посчитаем within SS/between SS

# Subtract each value from the grand mean and get the number of observations in each cluster.
data.cent <- scale(players, scale=FALSE)
nrows <- table(classes_mclust)

TSS <- sum(data.cent^2)

WSS <- sapply(split(players, classes_mclust), function(x) sum(scale(x, scale=FALSE)^2))

BSS <- TSS - sum(WSS)

gmeans <- sapply(split(players, classes_mclust), colMeans)
means <- colMeans(players)
BSS <- sum(colSums((gmeans - means)^2) * nrows)

BSS/TSS

## [1] 0.391346

Тест на игроках

Мир

Посмотрим на отдельныx игроков в таблице:

rate	name	position	mclust
1	L. Messi	RW	Midfielder
3	Cristiano Ronaldo	ST	Midfielder
4	Neymar Jr	LW	Midfielder
5	K. De Bruyne	RCM	Midfielder
15	Casemiro	CDM	Defence
18	M. Salah	RW	Midfielder
20	J. Kimmich	RDM	Defence
23	Sergio Ramos	LCB	Attack
31	S. Agüero	ST	Midfielder
33	L. Modrić	RCM	Defence
39	M. Verratti	LCM	Defence
40	Marquinhos	RCB	Attack
47	Rúben Dias	RCB	Attack
48	G. Chiellini	SUB	Attack
53	Sergio Busquets	CDM	Defence
59	R. Mahrez	RW	Midfielder
68	Rodri	CDM	Defence
75	E. Cavani	SUB	Midfielder
97	M. de Ligt	LCB	Attack
99	Jesús Navas	RB	Defence
100	Piqué	LCB	Attack
133	L. Sané	LM	Midfielder

Россия

russian <- (players_info$nationality == "Russia")
cbind(rate = rownames(players[russian,]), name = as.character(players_info$short_name[russian]), position = as.character(players_info$club_position[russian]), mclust = as.character(classes_mclust)[russian]) %>% kbl() %>% kable_paper(full_width = F, "hover") %>%
    column_spec(4, color = "white", background = spec_color(as.numeric(classes_mclust[russian]))) %>%
    column_spec(2, color = "blue", bold = T, link = players_info$player_url[russian])

rate	name	position	mclust
221	Mário Fernandes	RB	Defence
617	A. Golovin	LF	Defence
759	R. Zobnin	RDM	Defence
766	A. Miranchuk	SUB	Midfielder
1034	G. Dzhikiya	LCB	Attack
1180	F. Smolov	RS	Midfielder
1181	A. Dzagoev	CAM	Defence
1251	D. Cheryshev	LM	Midfielder
1325	A. Miranchuk	SUB	Midfielder
1561	A. Kokorin	SUB	Midfielder
1806	D. Barinov	RCM	Defence
1890	A. Sobolev	ST	Midfielder
2032	G. Schennikov	SUB	Defence
2283	Z. Bakaev	SUB	Midfielder
2306	R. Zhemaletdinov	RM	Midfielder
2320	F. Chalov	ST	Midfielder
2932	I. Oblyakov	LB	Midfielder
3039	I. Diveev	RCB	Attack
3166	V. Vasin	SUB	Attack
3509	I. Akhmetov	RDM	Defence
3542	D. Zhivoglyadov	SUB	Defence
3544	S. Iljutcenko	ST	Midfielder
3694	K. Kuchaev	RM	Midfielder
3877	F. Kudryashov	SUB	Attack
4078	I. Kutepov	SUB	Attack
4215	R. Mirzov	SUB	Midfielder
4521	N. Rasskazov	RB	Attack
4554	S. Magkeev	RCB	Attack
4621	K. Nababkin	SUB	Attack
4624	A. Eschenko	SUB	Attack
4714	A. Zabolotnyi	SUB	Midfielder
5338	D. Kulikov	LCM	Defence
5369	D. Rybchinskiy	LM	Midfielder
5370	N. Umyarov	SUB	Defence
6282	K. Maradishvili	RES	Defence
6283	P. Maslov	RES	Attack
6403	A. Silyanov	RB	Attack
6539	E. Bashkirov	RDM	Defence
7437	M. Mukhin	LDM	Midfielder
8255	M. Suleymanov	SUB	Midfielder
9347	I. Zhigulev	SUB	Defence
9507	N. Tiknizyan	RES	Defence
9518	A. Lomovitskiy	SUB	Midfielder
10292	G. Melkadze	SUB	Midfielder
10540	I. Shinozuka	RES	Midfielder
10694	M. Ignatov	SUB	Midfielder
10746	I. Gaponov	RES	Attack
11038	M. Nenakhov	RES	Attack
11764	L. Klassen	LB	Defence
11938	V. Karpov	RES	Attack
13233	E. Shlyakov	LB	Attack
13240	E. Sevikyan	RES	Midfielder
14148	N. Iosifov	RES	Midfielder
14366	S. Babkin	SUB	Midfielder
14393	V. Yakovlev	RES	Midfielder
16890	V. Cherny	SUB	Midfielder
17597	D. Markitesov	RES	Attack
18853	I. Repyakh	RES	Midfielder

Видим множество разумных совпадений.

Про выбор расстояния

Вычисленные значения и рисунок ниже являются обоснованиями того, что нам может быть полезнее в данной задаче: использовать классическую евклидову метрику или же использовать метрику, основанную на корреляциях.

График для каждого футболиста представляет из себя значение рейтинга для каждого из 35 признаков. Видим, что графики “похожи” между собой по форме для футболистов защиты. Аналогично для атакующих игроков. На форму общий уровень не влияет, что для нас важно.

len_p <- length(names(players))
plot(1:len_p, players[1,], "l", col = "red", xlab = "variable", ylab = "points")
lines(1:len_p, players[2,], col = "red")
lines(1:len_p, players[1033,], col = "red", lty = 2)
lines(1:len_p, players[11,], col = "blue")
lines(1:len_p, players[12,], col = "blue")
lines(1:len_p, players[3180,], col = "blue", lty = 2)
cor_dist <- as.matrix(as.dist(1 - cor(t(players[c(1,2, 1033, 11,12, 3180),])), diag = TRUE, upper = TRUE))
cor_dist

##              1         2      1180        15        16      3877
## 1    0.0000000 0.1737571 0.1382049 1.5254286 1.5830255 1.4685641
## 2    0.1737571 0.0000000 0.0796193 1.2923222 1.4420318 1.4343929
## 1180 0.1382049 0.0796193 0.0000000 1.4307386 1.4845815 1.3283272
## 15   1.5254286 1.2923222 1.4307386 0.0000000 0.2588747 0.6481733
## 16   1.5830255 1.4420318 1.4845815 0.2588747 0.0000000 0.4143578
## 3877 1.4685641 1.4343929 1.3283272 0.6481733 0.4143578 0.0000000

eucl_dist <- as.matrix(dist(players[c(1,2, 1033, 11,12, 3180),], diag = TRUE, upper = TRUE))
eucl_dist/max(eucl_dist) #transform to new scale for comfort

##              1         2      1180        15        16      3877
## 1    0.0000000 0.3842915 0.4878091 0.8847879 1.0000000 0.9969132
## 2    0.3842915 0.0000000 0.3817451 0.6918428 0.8253046 0.8645375
## 1180 0.4878091 0.3817451 0.0000000 0.7534426 0.8237432 0.6878652
## 15   0.8847879 0.6918428 0.7534426 0.0000000 0.3027049 0.5726006
## 16   1.0000000 0.8253046 0.8237432 0.3027049 0.0000000 0.4989325
## 3877 0.9969132 0.8645375 0.6878652 0.5726006 0.4989325 0.0000000

legend("bottom", legend = c("Messi, 1", "Lewandowski, 2", "Smolov, 1180", "Casemiro, 15", "Van Dijk, 16", "Kudryashov, 3877"),  col = c("red", "red","red", "blue", "blue", "blue"), lwd = 1, lty = c(1,1,2,1,1,2))

Например, для наших целей важно, чтобы игроки обороны (вне зависимости от их рейтинга!) были близки друг к другу, но при этом далеки от игроков защиты. Именно такую ситуацию мы и наблюдаем при выборе корреляции в качестве расстояния: сформировались соответствующие плеяды.

Можно посмотреть, насколько корреляционная метрика здесь подходит лучше, посмотрев на межкластерное расстояние.

В случае корреляционной метрики:

(sum(cor_dist[1:3, 1:3])+sum(cor_dist[4:6, 4:6]))/(sum(cor_dist[1:3, 4:6]) + sum(cor_dist[4:6, 1:3]))

## [1] 0.1318756

В случае евклидовой:

(sum(eucl_dist[1:3, 1:3])+sum(eucl_dist[4:6, 4:6]))/(sum(eucl_dist[1:3, 4:6]) + sum(eucl_dist[4:6, 1:3]))

## [1] 0.3490876

Сумма расстояний между индивидами из тех же кластеров делится на сумму расстояний между объектами разных кластеров. Чем меньше, тем лучше. Видим, что корреляционная метрика несколько лучше.

Иерархическая кластеризация

Здесь используем метрику корреляционную. Используем complete linkage, так как рассчитываем на сферичность кластеров (исходя из PCA).

players_dist <- as.dist(1 - cor(t(players)))
players_hclust <- hclust(players_dist, method="complete")
plot(players_hclust, labels = labs_som, cex = 0.4, main = "Dendrogram (Complete linkage)")

classes_hclust <- cutree(players_hclust, k = 3)
classes_hclust <- as.factor(classes_hclust)
levels(classes_hclust) <- c("Attack", "Defence", "Midfielder")
table(classes_hclust)/num_players

## classes_hclust
##     Attack    Defence Midfielder 
##  0.4306071  0.5488517  0.0205412

Кластер Midfielder стал значительно меньше (по сравнению с mclust). Поэтому учитывая размер класса, можно сказать, что логично выкинуть Midfielder и мы получим простую классификацию на атакующего и защиту.

classes_hclust <- cutree(players_hclust, k = 2)
classes_hclust <- as.factor(classes_hclust)
levels(classes_hclust) <- c("Attack", "Defence")
table(classes_hclust)/num_players

## classes_hclust
##    Attack   Defence 
## 0.4511483 0.5488517

Посмотрим на биплот, убедимся в том, что результат в целом похож на то, что мы видели ранее.

fviz_pca_biplot(res,
                label = "all",
                col.ind = classes_hclust,
                legend.title = "Players")

Тоже вполне полезно и неплохо интерпретируемо.

Если же сделать то же самое с обычной евклидовой метрикой, получим такие классы:

players_dist1 <- dist(players)
players_hclust1 <- hclust(players_dist1, method="complete")

classes_hclust1 <- cutree(players_hclust1, k = 3)
classes_hclust1 <- as.factor(classes_hclust1)
levels(classes_hclust1) <- c("Attack", "Good defence", "Not the best players")
table(classes_hclust1)/num_players

## classes_hclust1
##               Attack         Good defence Not the best players 
##            0.4334875            0.3517775            0.2147351

fviz_pca_biplot(res,
                label = "all",
                col.ind = classes_hclust1,
                legend.title = "Players")

Здесь получаем как раз ту проблему, о которой говорили: всё распределирось равномерно, однако слабые игроки ушли в третий класс. Если построить для двух кластеров, получим картинку, похожую на случай с корреляционной метрикой. Так что видим, что использование корреляционной метрики здесь даёт более устойчивый результат.

Качество

Здесь опять же надо сделать замечание, что кластеры мы делали с помощью другого функционала (минимизировали корреляцию между индивидами), поэтому то, что приведено дальше — не совсем верно (но для сравнения с другими методами допустимо).

# Subtract each value from the grand mean and get the number of observations in each cluster.
data.cent <- scale(players, scale=FALSE)
nrows <- table(cutree(players_hclust, k = 2))

TSS <- sum(data.cent^2)

WSS <- sapply(split(players, classes_hclust), function(x) sum(scale(x, scale=FALSE)^2))

BSS <- TSS - sum(WSS)

gmeans <- sapply(split(players, classes_hclust), colMeans)
means <- colMeans(players)
BSS <- sum(colSums((gmeans - means)^2) * nrows)

BSS/TSS

## [1] 0.2723084

Здесь функционал похуже, чем ранее с mclust.

\(k\)-средних для трёх классов

set.seed(28)
num_of_clust <- 3
players_kmeans <- kmeans(players, num_of_clust)
classes_kmeans <- players_kmeans$cluster

classes_kmeans <- as.factor(classes_kmeans)
levels(classes_kmeans) <- c("Attack", "Good defence and midfield", "Not the best players")
table(classes_kmeans)/num_players

## classes_kmeans
##                    Attack Good defence and midfield      Not the best players 
##                 0.3438187                 0.3266884                 0.3294929

fviz_pca_biplot(res,
                label = "all",
                col.ind = classes_kmeans,
                legend.title = "Players")

Результат как в случае иерархической кластеризации.

Всё же сравним с результатами mclust:

table(classes_mclust, classes_kmeans)

##               classes_kmeans
## classes_mclust Attack Good defence and midfield Not the best players
##     Attack          7                       616                 3543
##     Midfielder   4459                       719                  121
##     Defence        70                      2975                  683

Атака отделилась хорошо, видим устойчивость оценок. С остальными характеристиками не всё так хорошо.

Число BSS/TSS:

players_kmeans$betweenss/(sum(players_kmeans$withinss)+players_kmeans$betweenss)

## [1] 0.4542364

DBSCAN

DBscan здесь сложно работать, ибо кластеры смешаны.

Для DBscan нужен оптимальный радиус окрестности — это когда абсолютное большинство точек имеют рядом \(k\) соседей. Его можно определить приближённо с помощью kNN графика. Датасет у нас большой, но для начала попробуем взять 3 соседей (это станет min pts).

dbscan::kNNdistplot(players, k =  3)
abline(h = 55, lty = 2)

Возьмём \(\varepsilon = 55\). minPts это число точек в окрестности. Выбираем стандарт, чтобы сразу много не захватить.

players_dbscan <- dbscan(players, eps = 60, minPts = 3)

Построим

classes_dbscan <- players_dbscan$cluster
fviz_pca_biplot(res,
                label = "all",
                col.ind = factor(classes_dbscan),
                legend.title = "Players")

Получилось плохо, а число кластеров мы регулировать не можем.

Попытаем счастье, взяв метрику с корреляциями.

dbscan::kNNdistplot(players_dist, k = 5)
abline(h = 0.2, lty = 2)

players_dbscan <- dbscan(players_dist, eps = 0.2, minPts = 5)
classes_dbscan <- players_dbscan$cluster

classes_dbscan <- players_dbscan$cluster
fviz_pca_biplot(res,
                label = "all",
                col.ind = factor(classes_dbscan),
                legend.title = "Players")

Всё одинаково плохо и это сложно интерпретировать.

Таблица сравнения по методам

Если смотреть на таблицы и анализировать их, то mclust сработал очень неплохо, hclust с двумя классами и корреляционной метрикой тоже кластеризует достаточно хорошо.

Мир

cbind(rate = rownames(players[players_top,]), name = as.character(players_info$short_name[players_top]), position = as.character(players_info$club_position[players_top]), mclust = as.character(classes_mclust)[players_top],hclust = as.character(classes_hclust)[players_top], kmeans = as.character(classes_kmeans)[players_top], DBscan = as.character(classes_dbscan)[players_top] ) %>% kbl() %>% kable_paper(full_width = F, "hover") %>%
    column_spec(2, color = "blue", bold = T, link = players_info$player_url[players_top])

rate	name	position	mclust	hclust	kmeans	DBscan
1	L. Messi	RW	Midfielder	Attack	Attack	1
3	Cristiano Ronaldo	ST	Midfielder	Attack	Attack	1
4	Neymar Jr	LW	Midfielder	Attack	Attack	1
5	K. De Bruyne	RCM	Midfielder	Attack	Good defence and midfield	1
15	Casemiro	CDM	Defence	Defence	Good defence and midfield	1
18	M. Salah	RW	Midfielder	Attack	Good defence and midfield	1
20	J. Kimmich	RDM	Defence	Defence	Good defence and midfield	0
23	Sergio Ramos	LCB	Attack	Defence	Good defence and midfield	1
31	S. Agüero	ST	Midfielder	Attack	Attack	1
33	L. Modrić	RCM	Defence	Attack	Good defence and midfield	1
39	M. Verratti	LCM	Defence	Attack	Good defence and midfield	1
40	Marquinhos	RCB	Attack	Defence	Good defence and midfield	1
47	Rúben Dias	RCB	Attack	Defence	Good defence and midfield	1
48	G. Chiellini	SUB	Attack	Defence	Good defence and midfield	1
53	Sergio Busquets	CDM	Defence	Defence	Good defence and midfield	1
59	R. Mahrez	RW	Midfielder	Attack	Attack	1
68	Rodri	CDM	Defence	Defence	Good defence and midfield	1
75	E. Cavani	SUB	Midfielder	Attack	Good defence and midfield	1
97	M. de Ligt	LCB	Attack	Defence	Good defence and midfield	1
99	Jesús Navas	RB	Defence	Attack	Good defence and midfield	1
100	Piqué	LCB	Attack	Defence	Good defence and midfield	1
133	L. Sané	LM	Midfielder	Attack	Attack	1

Россия

cbind(rate = rownames(players[russian,]), name = as.character(players_info$short_name[russian]), position = as.character(players_info$club_position[russian]), mclust = as.character(classes_mclust)[russian],hclust = as.character(classes_hclust)[russian], kmeans = as.character(classes_kmeans)[russian], DBscan = as.character(classes_dbscan)[russian] ) %>% kbl() %>% kable_paper(full_width = F, "hover") %>%
    column_spec(2, color = "blue", bold = T, link = players_info$player_url[russian])

rate	name	position	mclust	hclust	kmeans	DBscan
221	Mário Fernandes	RB	Defence	Defence	Good defence and midfield	1
617	A. Golovin	LF	Defence	Attack	Good defence and midfield	1
759	R. Zobnin	RDM	Defence	Defence	Good defence and midfield	1
766	A. Miranchuk	SUB	Midfielder	Attack	Attack	1
1034	G. Dzhikiya	LCB	Attack	Defence	Good defence and midfield	1
1180	F. Smolov	RS	Midfielder	Attack	Attack	1
1181	A. Dzagoev	CAM	Defence	Attack	Good defence and midfield	0
1251	D. Cheryshev	LM	Midfielder	Attack	Good defence and midfield	1
1325	A. Miranchuk	SUB	Midfielder	Attack	Attack	1
1561	A. Kokorin	SUB	Midfielder	Attack	Attack	1
1806	D. Barinov	RCM	Defence	Defence	Good defence and midfield	1
1890	A. Sobolev	ST	Midfielder	Attack	Attack	1
2032	G. Schennikov	SUB	Defence	Defence	Good defence and midfield	1
2283	Z. Bakaev	SUB	Midfielder	Attack	Attack	1
2306	R. Zhemaletdinov	RM	Midfielder	Attack	Attack	1
2320	F. Chalov	ST	Midfielder	Attack	Attack	1
2932	I. Oblyakov	LB	Midfielder	Attack	Good defence and midfield	1
3039	I. Diveev	RCB	Attack	Defence	Not the best players	1
3166	V. Vasin	SUB	Attack	Defence	Not the best players	1
3509	I. Akhmetov	RDM	Defence	Attack	Good defence and midfield	1
3542	D. Zhivoglyadov	SUB	Defence	Defence	Good defence and midfield	1
3544	S. Iljutcenko	ST	Midfielder	Attack	Attack	1
3694	K. Kuchaev	RM	Midfielder	Defence	Good defence and midfield	1
3877	F. Kudryashov	SUB	Attack	Defence	Good defence and midfield	1
4078	I. Kutepov	SUB	Attack	Defence	Not the best players	1
4215	R. Mirzov	SUB	Midfielder	Attack	Good defence and midfield	1
4521	N. Rasskazov	RB	Attack	Defence	Good defence and midfield	1
4554	S. Magkeev	RCB	Attack	Defence	Not the best players	1
4621	K. Nababkin	SUB	Attack	Defence	Good defence and midfield	1
4624	A. Eschenko	SUB	Attack	Defence	Good defence and midfield	0
4714	A. Zabolotnyi	SUB	Midfielder	Attack	Attack	1
5338	D. Kulikov	LCM	Defence	Defence	Good defence and midfield	1
5369	D. Rybchinskiy	LM	Midfielder	Defence	Good defence and midfield	1
5370	N. Umyarov	SUB	Defence	Defence	Good defence and midfield	1
6282	K. Maradishvili	RES	Defence	Defence	Good defence and midfield	1
6283	P. Maslov	RES	Attack	Defence	Not the best players	1
6403	A. Silyanov	RB	Attack	Defence	Not the best players	1
6539	E. Bashkirov	RDM	Defence	Attack	Good defence and midfield	1
7437	M. Mukhin	LDM	Midfielder	Defence	Good defence and midfield	1
8255	M. Suleymanov	SUB	Midfielder	Attack	Attack	1
9347	I. Zhigulev	SUB	Defence	Defence	Good defence and midfield	1
9507	N. Tiknizyan	RES	Defence	Defence	Good defence and midfield	1
9518	A. Lomovitskiy	SUB	Midfielder	Attack	Attack	1
10292	G. Melkadze	SUB	Midfielder	Attack	Attack	1
10540	I. Shinozuka	RES	Midfielder	Attack	Attack	1
10694	M. Ignatov	SUB	Midfielder	Attack	Attack	1
10746	I. Gaponov	RES	Attack	Defence	Not the best players	1
11038	M. Nenakhov	RES	Attack	Defence	Not the best players	1
11764	L. Klassen	LB	Defence	Defence	Not the best players	1
11938	V. Karpov	RES	Attack	Defence	Not the best players	1
13233	E. Shlyakov	LB	Attack	Defence	Not the best players	1
13240	E. Sevikyan	RES	Midfielder	Attack	Attack	1
14148	N. Iosifov	RES	Midfielder	Attack	Attack	1
14366	S. Babkin	SUB	Midfielder	Defence	Good defence and midfield	1
14393	V. Yakovlev	RES	Midfielder	Attack	Attack	1
16890	V. Cherny	SUB	Midfielder	Attack	Attack	1
17597	D. Markitesov	RES	Attack	Defence	Not the best players	0
18853	I. Repyakh	RES	Midfielder	Attack	Not the best players	1

Выводы

В данной ситуации, когда кластеры перемешаны, явно выигравает model based подход, с помощью mclust. Остальные методы сильно зависят от выбора метрики. SOM помогает получать некоторые интерпретации, однако со сходимостью могут быть проблемы.

Кластеризация игроков из FIFA 22

Введение

Описание и чистка

Отбор игроков

Россия

Мир

Кластеризация: первичные соображения

Первичный анализ

Summary по признакам

Основные переменные

Атака

Опыт

Движение

Энергия

Ментальность

Защита

На воротах

Факторный анализ

Кластеризация

SOM

Выбор параметров

Карты

Кто где

Общий вид

Правая часть

Левая часть

Карта с раскрасками

Model-based пример: mclust

Uncertainty

Тест на игроках

Мир

Россия

Про выбор расстояния

Иерархическая кластеризация

Качество

\(k\)-средних для трёх классов

DBSCAN

Таблица сравнения по методам

Мир

Россия

Выводы

Model-based пример: `mclust`